圖像處理，顧名思義，是對圖像進行的各種轉換、計算等處理。圖像處理必不可少地需要讀寫圖像文件。

圖像文件的讀取，就是將圖像數據從磁盤中的文件內讀入內存，之后按照圖像解碼標準解碼，最后把圖像各像素的值存儲到內存區域中，并返回存儲圖像像素值的內存起始地址。圖像數據的結構，其實就是二維數組。在 C 語言里面，就是用二維數組或者一維數組形式的手動二維數組的形式存放的。在 Python 生態里，讀入內存的圖像，一般需要以 Numpy 數組的形式存放，方便稍后處理。Numpy 數組具有 C 接口，在特定情況下，可以直接直接用 C 讀取。

圖像文件的寫入，是將圖像數據按照圖像編碼標準編碼，添加上如圖像像素數、顏色數等相關的文件信息，構造成符合標準的圖像文件數據，并寫入磁盤。

用什么方法讀寫圖像，速度最快，一直為人所爭議，但不同的平臺 windows/linux 32bit/64bit 與實現 python2/python3/c，不同的圖像格式大小批量，得到的結果總是千奇百怪的。

所以，本質上，這個速度比較，是依賴于運行環境和具體的應用場合的。運行環境包括硬件和軟件，硬件上的CPU、內存、硬盤、系統總線、緩存等等；軟件包括系統平臺、編譯器、第三方庫等等。如此多的影響變量，已經完全沒辦法控制了。還要加上具體的應用場合，比如，讀取圖像的圖像格式，分辨率大小等等。典型的，JPG 圖像和 BMP 圖像編解碼運算壓力就很不一樣；海量小圖像，和少量大分辨率圖像，差距也很大。不同的 Python 包在不同的第三方庫的支持下，針對不同圖像格式、文件尺寸的讀寫性能也是完全不同的。在后面詳細讀源碼的時候可以發現，同一個 Python 包讀寫圖像代碼，在不同的環境下，實際調用路徑和調用的第三方包也會變化。

還有一個問題，就是運行環境的具體要求。比較典型的一個問題，就是 Pillow 這種純 Python 代碼包，和 OpenCV 這種以 C/C++ 為基礎的 Python 接口轉接的包的區別。在跨平臺的時候，純 Python 包更能取得一致效果。我個人之前的工作中，就遇到過，使用 OpenCV 在 windows 和 Linux 環境下得到不同的運行結果，其中原因有可能是計算中 Windows 和 Linux 下調用的運算庫的版本不同或具體指令得到的結果不一樣。另一種常見的情況，是在云平臺上，不具有管理員權限，不能額外安裝二進制代碼包，甚至 Python 包，那就只能盡可能利用現存工具。

因此，為了在“不論如何的復雜環境”下，都能“根據現實條件”找到“適合當前應用需求”的最高效 Python 包，我這里提出一個測試驅動的方案。畢竟只要實際上手測試一下，自然就可以找到實際最高效的 Python 包。而且，利用 Python 的“引入并改名 import as”機制，把經過測試后選擇出來的函數接出來以供使用，可以在各種環境下，都提供出一個最快的解決方案。

本文的以下部分，列舉了常見的具有 Python 圖像讀寫能力的包和使用方法，分析比較其性能，并開源一個自動測試比較不同圖像處理包圖像讀取性能的包。希望能夠有助于同學、同行節省爭議時間。畢竟只有具有真正實驗數據支撐的“實證研究 Empirical Research”才是真正有價值的。

MATLAB 圖像文件讀寫

在介紹 Python 的圖像文件讀寫，先對比一下 MATLAB。

MATLAB 有 imread 和 imwrite 分別用于圖像讀取和圖像寫入。

A = imread(filename, fmt) imwrite(A,filename)

filename 是需要讀入的圖像文件名，fmt是讀入圖像的格式代碼。整句代碼的意思是將文件 filename 以 fmt 格式讀入，讀入后，數據存儲在變量A中。

Python 圖像文件讀寫

在 Python 生態里，我個人認為，最為正統的圖像讀寫，應該使用 skimage 包。skimage 的全稱是 scikit-image。但實際使用的時候，例如在導入一個 Python 包的時候，不能存在連字符，所以有縮略語 skimage。skimage 是原本 SciPy（Python 科學計算包）中圖像處理相關算法獨立出來的 Python 包。skimage 包的維護一直有 Anaconda 的參與，所以使用 conda install 也是很穩妥的。

skimage 中，負責圖像讀寫的，是 io module 中的 imread 和 imsave 函數。

from skimage import io img_array = io.imread(fname, as_grey=False, plugin=None, flatten=None, **plugin_args) io.imsave(fname, arr, plugin=None, **plugin_args)

MATLAB 與 Python 讀取圖像的 RGB 順序，是不一樣的，要注意調整，也可以具體指定 RGB 順序，以便確保準確。

常見圖像處理工具簡介

最常見的圖像讀取工具，是 Pillow 和 OpenCV。

Pillow 是 Python 原生圖像處理包，優點是純 Python、跨平臺、沒有其它依賴，可靠穩定。

OpenCV 是以 CC++ 為主開發的圖像處理通用軟件庫，算法全面，功能強大，具有多種接口。早期版本長期錨定 Python 2，環境配置比較繁瑣，但現在其 Python 3 接口已經比較完善了。

其他常見的圖像處理包，包括 matplotlib、imageio 和 skimage。

matplotlib 作為 Python 最早也是影響最廣泛的數據可視化包，也是常用的圖像讀取工具。

imageio 其實是 scipy 中的圖像操作功能獨立后的包，原本是 scipy.io 中的圖像操作工具。

skimage 是一套完整的圖像處理包，自然也具有圖像讀取能力。

另外幾個比較獨特的：

Qt 作為歷史悠久的跨平臺 GUI 庫，圖像讀取方式獨樹一幟，效率非常好，但格式獨特。

再就是 imread 包，專職圖像讀取，格式支持廣泛，性能也不俗。

FreeImage 是一個開源圖像格式支持庫。

其中 imageio、skimage 其實用的就是 Pillow，只是自己在上面包裝了一下。

matplotlib 除了 PNG 格式外，也都是利用一種插件機制，調用其它包實現的。依賴的，主要也還是 Pillow。而 PNG 格式，matplotlib 本身有基于 C 的支持。

具體的不同包之間的調用方法可以參見代碼和我之前的回答：

Python的各種imread函數在實現方式和讀取速度上有何區別？?www.zhihu.com

圖像讀取性能測試 imreadeval

Github repo 如下：

quxiaofeng/imreadeval?github.com

包的名字，起得很直觀，就是評估圖像讀取性能 im(age)-read-eval(uation)。

當前，僅僅實現了

• Pillow
• OpenCV
• Matplotlib
• imageio (descendent of scipy.io.imread, which is deprecated)
• SciKit-Image (depend on SciPy)

五種圖像讀取函數的測試。

可以直接 pip install imreadeval 安裝。

而評估測試也很簡單，直接 import imreadeval 就可以。

默認會直接讀取包中自帶的兩張（PNG、JPG 各一張）十次，并給出讀取需要的時間。

這里的“讀取”，是讀入一張圖像到內存，并讀取其中一個像素的值。以防止打開圖像不實際讀取（Pillow，說的就是你這個 lazy 包）。

這個包針對 Py27/Py36/Py37 Win/Lin 都做了測試，都可以跑起來。方便在各種平臺上做測試。

而且測試后，import 進來讀取速度最快的包實現的 imread，方便在不同平臺確保使用最快的 imread。

也可以直接 from imreadeval import imread引入最快的函數。

也提供了接口，可以在自己的圖像上，測試哪個包讀得最快。方法如下

from imreadeval import imread_evaloptimum_package_name = imread_eval(filenames = ['filename1.jpg', 'filename2.png'],times = 1000)

可以自行 glob 一些圖像，讀入測試千百遍啊千百遍。

希望大家在自己的平臺測試，并提供意見。歡迎 issue 和 PR，也歡迎 star 和 fork。

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的aerials标准测试图像_Python 图像读写谁最快？不信就比一比的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。